选择某些列，使用具有非-na值的列的平均值填充这些列中缺少的值。

Question

给出如下数据格式的df：

         date      value        pred1        pred2        pred3
0   2021-9-19  3613.9663          NaN          NaN          NaN
1   2021-9-26  3613.0673          NaN          NaN          NaN
2   2021-10-3  3568.1668          NaN          NaN          NaN
3  2021-10-10  3592.1666  3631.411799          NaN          NaN
4  2021-10-17  3572.3662  3637.792491  3677.656329          NaN
5  2021-10-24  3582.6036  3678.800911  3707.926324  3712.669694
6  2021-10-31  3547.3361  3731.336899  3735.695071  3733.021293
7   2021-11-7  3491.5677  3749.422639  3743.507496          NaN
8  2021-11-14  3539.1002  3737.851787          NaN          NaN
9  2021-11-21  3560.3734          NaN          NaN          NaN

假设对于列pred1、pred2和pred3，除了所有这些列都是NaN，如果它有一个non-null值，我将用这个值填充其他列，如果它有两个或多个non-null值，我将使用non-null值的平均值来填充其他列的空值。

例如，对于日期为2021-10-10的行，我将使用pred1的值填充pred2和pred3；对于具有日期2021-10-17的行，在这一天将填充平均为pred1和pred2的pred3；同样的逻辑将应用于2021-11-7和2021-11-14。

预期结果：

         date      value        pred1        pred2        pred3
0   2021-9-19  3613.9663          NaN          NaN          NaN
1   2021-9-26  3613.0673          NaN          NaN          NaN
2   2021-10-3  3568.1668          NaN          NaN          NaN
3  2021-10-10  3592.1666  3631.411799  3631.411799  3631.411799
4  2021-10-17  3572.3662  3637.792491  3677.656329  3657.724410
5  2021-10-24  3582.6036  3678.800911  3707.926324  3712.669694
6  2021-10-31  3547.3361  3731.336899  3735.695071  3733.021293
7   2021-11-7  3491.5677  3749.422639  3743.507496     2.957571
8  2021-11-14  3539.1002  3737.851787  3737.851787  3737.851787
9  2021-11-21  3560.3734          NaN          NaN          NaN

有人能帮忙解决这个问题吗？谢谢。

Answer 1

df.iloc[:,2:].apply(lambda x: x.fillna(x.mean()), axis = 1)
 
         pred1        pred2        pred3
0          NaN          NaN          NaN
1          NaN          NaN          NaN
2          NaN          NaN          NaN
3  3631.411799  3631.411799  3631.411799
4  3637.792491  3677.656329  3657.724410
5  3678.800911  3707.926324  3712.669694
6  3731.336899  3735.695071  3733.021293
7  3749.422639  3743.507496  3746.465068
8  3737.851787  3737.851787  3737.851787
9          NaN          NaN          NaN